[发明专利]基于WMFCC和DNN的帕金森患者声纹识别方法

摘要

本发明提出了一种利用WMFCC提取人们的声纹特征、DNN识别并分类的方法,用于区分帕金森患者和健康人。WMFCC通过计算患者声纹中倒谱系数的加权和系数，解决高阶倒谱系数小、特征分量对音频的表征能力差等问题。DNN训练并分类识别有效地提高系统精度，使用MBGD优化算法降低损失函数的计算量进而提高系统训练速度。利用PD(帕金森)database中样本训练并测试分类，提高了判别帕金森患者的准确率，为帕金森患者早期快速辅助诊断提供了良好的解决方案。

主权项

1.一种基于WMFCC和DNN的帕金森患者声纹识别方法，其特征在于包括以下步骤：步骤一：WMFCC声纹特征提取具体步骤如下：步骤11：预加重、分帧：将语音信号通过一个高通滤波器：H(z)＝1‑kz‑1，其中k是预加重系数，应在0＜k≤1范围，通常取0.97；分帧步骤中，语音信号被划分为N个样本帧；该重叠区域包含M个取样点，其中M＜N；步骤12：加窗：设分帧后的信号为s(n)，n为帧的大小，{s_n,n＝1,...,N}；s'_n形式为：步骤13：FFT：利用FFT将N个样本从时域转换为频域；使用FFT实现DFT；设语音信号的DFT为：s_k为输入的语音信号，N表示傅立叶变换的点数；步骤14：滤波器组分析：Mel频率与语音信号的关系：Mel(f)表示梅尔频率，f为语音信号频率；步骤15：DCT：通过DCT对数滤波器组的振幅m_j计算：N是滤波器组信道的个数；步骤16：加权：PD database的声纹特征，MFCC＝(M1,M2,M3,...,Mi,...,MN)，Mi＝(meli(1),...,meli(j),...,meli(D))为声纹特征的第i帧的特征向量，D为特征参数维数，N为语音样本的帧数，meli(j)为声纹特征第i帧的第j个特征向量值；首先，将特征矩阵标准化：定义熵其中得特征分量的熵权：将MFCC各个分量的权重加权后，新参数：wM_i＝(w₁·mel_i(1),...,w_D·mel_i(D))；接着，提取PD患者前20梅尔频率倒谱系数，其中系数范围为1～20，对应的特征值后利用熵值法加权方法计算其特征分量的权重；最后，用计算所有帧的平均值来得到每个人声纹的方式提取对应的声纹；步骤二：步骤21：DNN预训练的参数预训练算法：具体过程如下：若输入为连续特征，训练一个高斯‑伯努利分布的RBM，若输入为二项分布特征，训练一个伯努利‑伯努利分布的RBM。而后将隐藏层的输出作为下一层伯努利‑伯努利分布RBM的输入数据，余下各层以此类推。该过程不需要标签信息，是无监督的训练过程。在预训练之后进行有监督的训练，在顶层添加训练数据的标签和评判标准的输出，并采用反向传播算法来调整网络的参数；步骤22：反向传播算法：通过一组训练样本(xi,yi),1≤i≤N来训练得到DNN的模型参数，其中xi为第i个样本的特征向量，yi为对应的标签；输入x：为输入层设置对应的激活值；前向传播：对每一层网络计算z^l＝W^lv^l‑1+b^l和v^l＝f(z^l)；计算输出层误差e^L：误差向量为：误差反向传播：定义第l层节点的误差为：e^l＝diag(f_l′(z^l))·(W^l+1)^T·e^l+1；输出：各层的权重矩阵和偏置由和计算得出；步骤23：小批量梯度下降优化算法：首先，MBGD算法是在全部样本里随机抽取m个样本，其中m是训练总样本；其中m个样本为：X₁,X₂,...,X_i,...,X_m。ω,b分别为网络中权值和偏置的集合，Y_i和A_i分别为第i个样本输入下的期望输出和实际输出；||·||为范数运算，均方误差为：由梯度得▽C：接着，由m个样本数据估计出整体梯度，m越大时估计越准确。此时更新公式为：其中η为一个正数，取值区间为[0,1]，η称为学习率；最后，每次抽取2个样本作为一个batch来计算损失函数，并更新参数；60次后，完成整个语音样本集的训练；步骤三：采用k‑fold交叉验证法用来衡量搭建模型的预测性能：初始采样分割成k份子样本，取一份单独的子样本作为验证模型的数据，训练则用剩余的k‑1份样本；此过程重复k次，每份子样本验证一次，取k＝n，最后将得到的n次结果取平均来评估模型的性能；继续使用同一医生收集的28例PD患者的独立测试集进行测试；为测试鉴别PD患者和健康人中的成功率，计算其包括准确性、敏感性和特异性的评判指标。